人工智能第四課：機器學習的數學基礎

我斷斷續續利用在家休假的時間，完成了這門課程《Essential Math for Machine Learning: Python Edition》的學習，而且獲得了總分91分。

 

 

這門課程的主要內容以下，雖然咱們之前都學過數學，但大部分真的都還給老師了。學習這門課程中，老是隱隱約約有一種壓力感，一方面老是以爲這些知識我應該知道啊，但另一方面，看着那些題目卻有一種無助的感受。

 

 

 

學習數學極可能是有趣的，由於我在學習這門課程時，處處找資料，發現真的有一個網站叫 Math is Fun，並且有中文的版本（數學樂）。

 

英文網站是 https://www.mathsisfun.com/ ，中文網站是 https://www.shuxuele.com/index.html 

 

 

但不管如何有趣，前提是你能掌握它的一些基本原理。謝天謝地謝Python，由於有了numpy和pandas這些package，在理解和掌握上面提到的幾方面數學知識過程當中，我感受到了史無前例的能力。我印象最深入的是，在計算向量和矩陣運算的時候，使用numpy提供的array以及matrix類型，簡直易如反掌。

 

 

課程附帶了25個練習，是Jupyter格式的notebook。每一個材料都豐富詳實，可謂業界良心，真心爲這些講師點贊。

 

 

若是對Jupyter 還不太熟悉，建議訪問 http://jupyter.org/ 

 

我另外還發現一個不錯的中文網站 https://zh.wikihow.com 裏面有很多數學方程求解的講解。

 

 

最後，還給你們分享一個Python的統計分析庫——statsmodels ，請參考https://www.statsmodels.org/stable/index.html

 

 

以及與numpy齊名的Scipy，在本課程中用到了它的stats模塊中的binom類型來計算機率，很是實用。

 

要了解Scipy，請參考  https://www.scipy.org/

 

 

請經過 https://aka.ms/learningAI 或者掃描下面的二維碼關注本系列文章《人工智能學習筆記》